在课程项目中，我带领小组基于公开脱敏样本构建信用评分原型，负责特征工程与逻辑回归建模，使用Python、pandas与scikit-learn完成训练与交叉验证。针对金融风控场景，我重点处理了缺失值与类别不平衡问题，并对比了不同特征组合对模型区分度的影响。与组员协作完成数据清洗和报告撰写，最终在课程指定测试集上AUC约0.78，输出模型说明与风险提示文档，获得课程优秀项目奖。

我独立开发了一款面向个人收支记录场景的本地可视化工具，旨在帮助用户直观了解消费结构。技术栈上，使用Python与Flask搭建后端，ECharts展示分类占比与月度趋势，SQLite存储样例数据。我自行设计字段与测试用例，在本地环境完成功能验证，实现了账单导入、分类统计与图表导出，并整理使用说明开源到个人仓库，累计获得三十余星标。